• Überblick
• Datengrundlage
• Visualisierungen
• Forschungsfragen
• Problemstellungen
• Stündliche Analyse
• Tägliche Analyse
• Ausblick

• Daten der Stadt New York über Bikesharing Programm im Jahr 2016
• Möglichst genaue und sinnvolle Vorhersage der Nutzerzahlen an den einzelnen Stationen
• Weitere Einflussfaktoren wie Wetter, Feiertage
• Vorhersage mit Künstlichem Neuronalem Netz
  • Spezialform Long Short Term Memory Netz
• Benchmark mit linearer Regression
• Fehlermaß ist Root Mean Squared Error

• Datensatz mit einer Leihe pro Zeile
• Informationen zu jeder Leihe:
  • Start- und Endzeitpunkt
  • Start- und Endstation
  • Dauer der Leihe
  • Fahrrad-ID
  • Abostatus
  • Alter
  • Geschlecht

Überblick Bikesharing Daten

• Zu Analysezwecken Perspektivwechsel von Leihe zu Station/Bezirk
• Aggregierte Datensätze enthalten tägliche/stündliche Informationen je Station/Bezirk
• Für verschiedene Zwecke unterschiedliche Informationen
  • z.B. Alter und Fahrtdauer ohne Berücksichtigung in stündlichem Datensatz

• Für Analyse genutzte Informationen je Bezirk
  • Datum bzw. Datum und Stunde
  • Bezirk
  • Anzahl der Nutzer, die eine Rad ausleihen
  • Durchschnittliche Fahrtdauer
  • Durchschnittliches Alter
  • Wochen- und Feiertage
  • Monat und Quartal

• Tägliches und stündliches Wetter als zusätzliche Einflussfaktoren
• Tägliche Wetterdaten:
  • Maximal-, Minimal-, Durchschnitttemperatur in Grad Celsius
  • Niederschlagsmenge in Millimeter
  • Schneefall in Millimeter
  • Schneetiefe in Millimeter
• Stündliche Wetterdaten
  • Temperatur in Grad Celsius
  • Niederschlagsmenge in Millimeter
  • Windgeschwindigkeit in Km/h

Nutzerzahlen Pro Monat

Nutzerzahlen Pro Monat Nach Geschlecht

Durchschnittliche Nutzeranzahl Pro Stunde

Durchschnittliche Nutzeranzahl Pro Stunde Nach Abonnement

Durchschnittliches Alter Der Nutzer Pro Stunde

Nutzeranzahl Je Durchschnittstemperatur

• Ursprünglich die Vorhersage der Nutzerzahlen je Leihstation
• Diverse Problemstellungen
• Finale Forschungsfragen
  1. Können die Nutzerzahlen je Stunde für den Bezirk Chelsea zuverlässig vorhergesagt werden?
  2. Können die Nutzerzahlen je Tag für den Bezirk Chelsea zuverlässig vorhergesagt werden?

• Sehr große Datenmengen
  • Ursprünglicher Datensatz 13 000 000 Zeilen
• Features mit sehr vielen Kategorien
  • über 600 Leihstationen
  • mehr als 60 Bezirke
• Hochdimensionale Daten nach Analyseaufbereitung
  • Dummykodierung notwendig
• Lösung: Nach Bezirken getrennte Analysen

• Daten für den Bezirk Chelsea
• Informationen über:
  • Datum und Stunde
  • Anzahl der Nutzer
  • Wochen- und Feiertag
  • Quartal
  • Temperatur
  • Windgeschwindigkeit
  • Niederschlagsmenge

Überblick Datengrundlage Stündliche Analyse

• Einbeziehung aller Variablen außer Datum
• Hyperparameter:
  • Anzahl Epochen: 120
  • Batchsize: 1
    
  • Anzahl Lags: 5
  • Anzahl Timesteps: 6

hourly_lstm <- fit_lstm(X = hourly.X.train, y = hourly.Y.train,
                 timesteps = hourly.ann.timesteps,
                 validation_split = 0.05,
                 epochs = hourly.ann.epochs,
                 batchsize = c(NA,hourly.ann.batchsize),
                 #k.fold = 3, k.optimizer = "min",
                 hidden = data.frame(c(50,25),c("tanh")),
                 dropout = c(0.5,0.1),
                 output_activation = "linear",
                 stateful = F, return_sequences = T,
                 loss = "mean_squared_error",
                 optimizer = "Ftrl",
                 metrics = c('mean_absolute_error'))

• RMSE mit 4.9764745 sehr niedrig
  • Durchschnittlicher Fehler von rund 5 Nutzern pro Stunde

• LSTM schneidet deutlich besser ab
  • zufriedenstellende Prognose
• RMSE der linearen Regression: 153
• RMSE des LSTM Netzes: 5

• Daten für den Bezirk Chelsea
• Informationen über:
  • Datum
  • Anzahl der Nutzer
  • Wochen- und Feiertag
  • Monat
  • Temperatur
  • Niederschlagsmenge
  • Schneefall und -tiefe
  • Durchschnittliche Fahrtdauer und Alter der Nutzer

• Alle Variablen mit einbezogen
• Statistisch signifikant sind:
  • Schneefall und -tiefe
  • Feiertag
  • Monate März-Juni
• R-Quadrat mit 67.14% in Ordnung
• RMSE nach Vorhersage mit Testdaten 2257.013212
  • Durchschnittlicher Fehler von rund 2257 Nutzer pro Tag

• Einbeziehung aller Variablen außer Datum
• Hyperparameter:
  • Anzahl Epochen: 200 + k-fold cross validation
  • Batchsize: 2
    
  • Anzahl Lags: 1
  • Anzahl Timesteps: 2

lstm <- fit_lstm(X = X.train, y = Y.train,
                 timesteps = ann.timesteps,
                 validation_split = 0.05,
                 epochs = ann.epochs,
                 batchsize = c(NA,ann.batchsize),
                 k.fold = 3, k.optimizer = "min",
                 hidden = data.frame(c(50,25),c("tanh")),
                 dropout = c(0.5,0.1),
                 output_activation = "linear",
                 stateful = F, return_sequences = T,
                 loss = "mean_squared_error",
                 optimizer = "Ftrl",
                 metrics = c('mean_absolute_error'))

• RMSE mit 71.0775413 niedrig
  • Durchschnittlicher Fehler von rund 71 Nutzern pro Tag

• LSTM schneidet deutlich besser ab
  • zufriedenstellende Prognose
• RMSE der linearen Regression: 2257
• RMSE des LSTM Netzes: 71

• Gute Prognose der LSTMs für einen Bezirk
• Übertragbar auf alle Bezirke und Stationen
  • Für jeden Bezirk/jede Station ein KNN
• Vorhersage aller Bezirke/Stationen in einem Netz
  • Lösbar durch mehrere Output-Units
• Problem der Rechenkapazität durch Cloud Computing lösbar

• Forschungsfragen können positiv beantwortet werden
• Genaue und sinnvolle Prognose möglich
• Optimiert Ressourcenplanung
• Steigert Kundenzufriedenheit